FI92113B - Puheprosessori ja soluradiopääte - Google Patents

Puheprosessori ja soluradiopääte Download PDF

Info

Publication number
FI92113B
FI92113B FI872450A FI872450A FI92113B FI 92113 B FI92113 B FI 92113B FI 872450 A FI872450 A FI 872450A FI 872450 A FI872450 A FI 872450A FI 92113 B FI92113 B FI 92113B
Authority
FI
Finland
Prior art keywords
speech
gain
stored
speech processor
level
Prior art date
Application number
FI872450A
Other languages
English (en)
Swedish (sv)
Other versions
FI92113C (fi
FI872450A (fi
FI872450A0 (fi
Inventor
Nicholas John Arnold Forse
Original Assignee
British Telecomm
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by British Telecomm filed Critical British Telecomm
Publication of FI872450A0 publication Critical patent/FI872450A0/fi
Publication of FI872450A publication Critical patent/FI872450A/fi
Application granted granted Critical
Publication of FI92113B publication Critical patent/FI92113B/fi
Publication of FI92113C publication Critical patent/FI92113C/fi

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/38—Transceivers, i.e. devices in which transmitter and receiver form a structural unit and in which at least one part is used for functions of transmitting and receiving
    • H04B1/40—Circuits
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L2021/02168—Noise filtering characterised by the method used for estimating noise the estimation exclusively taking place during speech pauses
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Control Of Amplification And Gain Control (AREA)
  • Interface Circuits In Exchanges (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Noise Elimination (AREA)
  • Telephonic Communication Services (AREA)
  • Circuits Of Receivers In General (AREA)
  • Facsimiles In General (AREA)
  • Tone Control, Compression And Expansion, Limiting Amplitude (AREA)
  • Machine Translation (AREA)
  • Analogue/Digital Conversion (AREA)
  • Display Devices Of Pinball Game Machines (AREA)
  • Telephone Function (AREA)
  • Multi-Process Working Machines And Systems (AREA)
  • Sewing Machines And Sewing (AREA)

Description

92113
Puheprosessori ja soluradiopääte. - Talprocessor och cellular radioterminal.
Keksinnön kohteena ovat puheprosessorit, joilla on automaattinen vahvistuksen säätö, ja erityisesti puheentunnistimet, sekä puheprosessorin sisältävät soluradiopäätteet.
Automaattiset puheentunnistimet toimivat vertaamalla ominaisuuksia, jotka on poimittu kuuluvista puhesignaaleista. Niitä puheesta poimittuja ominaisuuksia, jotka on tarkoitus tunnistaa, verrataan talletettuihin ominaisuuksiin, jotka on poimittu tunnetusta lausumasta.
Tarkkaa tunnistusta varten on tärkeää, että samasta sanasta tai äänestä poimitut piirteet ovat eri kerroilla lausuttuna riittävän samanlaisia. Puheen laaja dynaaminen alue tekee tämän saavuttamisen vaikeaksi, erityisesti sellaisilla alueilla kuten hands-free-puhelinliikenne, jossa mikrofonissa vastaanotettu äänen taso voi vaihdella laajalla alueella. Äänitason vaihteluiden kompensoimiseksi käyttävät useimmat äänentunnistimet jonkunlaista automaattista vahvistuksen säätöä (AGC).
AGC-piiri ohjaa vahvistusta varmistaakseen, että keskiarvoinen signaalitaso, jota käytetään ominaisuuspoimijalla, on niin lähellä vakiota kuin mahdollista annetussa aikajaksossa. Siten hiljaisille lausumille annetaan suurempi vahvistus kuin kovaäänisille lausumille. Tämän kaltainen AGC toimii hyvin, kun sisääntulosignaalina on jatkuva puhe, koska tietyn ajanjakson jälkeen piirin vahvistus optimoi signaalitason antaen yhdenmukaisen omainsuuspoiminnan. Puheen puuttuessa kuitenkin AGC— piirin vahvistus nousee tasolle, jonka määrää taustakohina siten, että aloitettaessa puhe AGC-piirin vahvistus on asetettu liian suureksi. Lausuman aikana piirin vahvistusta pienennetään automaattisesti, jolloin vahvistuksen muutoksen nopeuden määrää AGC:n iskuvasteaika. Puheen alkuun kohdistetaan siten paljon 2 92113 suurempi vahvistus ja millä tahansa poimitulla ominaisuudella on paljon suurempi energiasisältö kuin samanlaisilla ominaisuuksilla, jotka poimitaan myöhemmin, kun vahvistus on pienentynyt.
Tämä vääristymäilmiö riippuu sisääntulosignaalin tasosta; mitä suurempi puhetaso on, sitä suurempi on vääristymä. Siten ensimmäiset poimitut ominaisuudet eivät vastaa samanlaisia talletettuja ominaisuuksia, ja tästä voi usein olla seurauksena huono tunnistussuoritus.
Keksinnön tarkoitus on muodostaa ratkaisu tähän ongelmaan.
Keksinnön mukaisesti on muodostettu puheprosessori, joka koostuu sisääntulosta, joka vastaanottaa puhesignaalit; signaalin käsittelyelimestä spektriparametrien poimimiseksi mainituista puhesignaaleista: analogia-digitaalimuuntimesta mainittujen poimittujen parametrien digitoimiseksi; automaattisesta vahvistuksen ohjauselimestä mainittuun muuntajaan syötetyn signaali-tason ohjaamiseksi; tunnettu siitä, että spektriparametrit talletetaan ainakin tilapäisesti, ja jokaista tällaista talletettua parametria kohti talletetaan myös vahvistuskerroin, joka ilmaisee vahvistuksen ohjauselimen syöttämän vahvistuksen; ja että näytteenottoajän lopussa tässä ajassa talletetut vahvis-tuskertoimet, jos ne ovat erilaisia, asetetaan yhtäsuureksi kuin tässä ajassa talletettu alhaisin vahvistuskerroin, jolloin vastaavasti talletettujen spektriparametrien suuruuksia säädetään samassa suhteessa.
Keksinnön mukaisessa puheprosessorissa, joka on rakennettu puheentunnistimeksi, on automaattinen vahvistuksen ohjaus muodostettu digitaalisesti kytketyllä vaimentimella, jonka vahvistuksen määrää puheentunnistuksen suorittava mikroprosessori. Mikroprosessori ohjaa vahvistusta varmistaakseen, että analo-giadigitaalimuuntimen dynaamista aluetta (mikä tapahtuu ominai- 3 92113 suuksien poiminnan ja mikroprosessorin tunnistinohjauksen välissä, vaikka käytetään analogisia AGC:tä) ei ylitetä (paitsi AGC:n sovituksen aikana). Periaatteellinen ero tunnettujen analogisten AGCrden ja keksinnön mukaisen järjestelmän välillä on, että jälkimmäisessä mikroprosessori ohjaa vahvistuksen asetusta ja se voi tämän vuoksi tallettaa kullekin poimitulle ominaisuudelle käytetyn vahvistuksen. Kun puhe on loppunut, mikroprosessori voi määrittää optimaalisen vahvistuksen asetuksen koko lauseelle. Kaikki talletetut ominaisuudet normalisoidaan sitten tälle optimaaliselle vahvistuksen asetukselle. Tällä tavalla poimitaan yhdenmukainen sarja ominaisuuksia riippumatta sisään-tulosignaalin vahvistuksesta. Keksinnön mukaisen soluradiopäät-teen suhteen viitataan vaatimukseen 8.
Keksinnön toteutuksia kuvataan ja selitetään lisää viitaten liitteenä olevaan piirrokseen, jossa kuva 1 on kaaviokuva keksinnön mukaisesta puheentunnistimesta.
Tässä patenttihakemuksessa keksintö kuvataan viitaten puheentunnistimeen, joka käyttää malli-yhteensovitusta, mutta kuten alan asiantuntijat ovat tietoisia, on keksintö sovellettavissa yhtä hyvin mihin tahansa konventionaalisen tyyppiseen puheentunnistimeen, jolloin näihin kuuluvat myös ne, jotka käyttävät stokastista mallitusta, Markov-ketjuja, dynaamista-aikakiertoa ja foneemitunnistusta.
Puheentunnistus perustuu energiaääriviivojen vertailuun lukuisilta (yleensä 8 tai 16) suodatinkanavilta. Puhuttaessa digitoidaan energiaspektri jokaiselta suodatinkanavalta analogia-digitaalimuuntimella, jotta muodostettaisiin malli, joka talletetaan muistiin.
Tunnistuksen alkuvaihe tunnetaan "harjoitteluna" ja se koostuu referenssimallien muodostamisesta puhumalla tunnistimeen ne sanat, jotka on tarkoitus tunnistaa. Kun referenssimallit on • · 4 921 ί 3 muodostettu tunnistettaville sanoille, voidaan yrittää puheen tunnistusta.
Kun tunnistimeen syötetään lause, se muodostaa testimallin, jota voidaan verrata referenssimalliin muistissa lähimmän yhtäläisyyden löytämiseksi.
Keksinnön mukaisen puheentunnistimen peruselementit on esitetty kuvassa 1. Mikrofonilla 1 vastaanotetut ja vahvistimella 2 vahvistetut äänisignaalit viedään suodatinryhmään 3a. Suodatinryh-mässä äänisignaalit suodatetaan lukuisiin (tässä tapauksessa 16) taajuuskaistaan ja signaalit tasasuunnataan tasasuuntaajalla 4. Suodatetut ja tasasuunnatut signaalit tasoitetaan ali-päästösuodattimilla 3b ja kerätään sitten sekventiaalisesti limittimellä 5, joka syöttää seurauksena olevan yksikanavasig-naalin DAGC-piiriin 8, joka puolestaan syöttää analogiadigitaa-limuunninta 6, josta digitoitu signaalivirta viedään ohjaavalle mikroprosessorille 7.
Limitin osoittaa kutakin suodatinkanavaa 20 mikrosekunttia, ennen seuraavan osoittamista. Jokaisen 10 millisekunnin aikavälin lopuksi jokaisen kanavan koottu energia tällä aikavälillä talletetaan. Mallit, jotka on muodostettu harjoituksessa tai tunnistuksessa, koostuvat enintään 100 aikavälinäytteestä jokaista suodatinkanavaa kohti.
Digitaalinen AGC toimii seuraavalla tavalla. Joka kerta, kun limitin osoittaa suodatinkanavaa, mikroprosessori hakee kanavan energiatason määrätäkseen, onko analogia-digitaalimuunnin ollut ylikuormitettu, eli vahvistus on liian suuri. Kun mikroprosessori määrittää, että vahvistus on liian suuri, se pienentää AGC:n vahvistusta askelella 1, mikä vastaa vahvistuksen pienentämistä tekijällä 1.5dB, ja tarkistaa uudelleen kanavan energiatason. Limitin ei siirry seuraavalle kanavalle, ennenkuin mikroprosessori on määrännyt, että vahvistusta on pienennetty • « • · 5 92113 riittävästi analogia-digitaalimuuntimen ylikuormituksen estämiseksi. Kun limitin siirtyy seuraavalle suodatinkanavalle, pidetään AGC-piirin vahvistus uudella matalalla tasolla, jollei tämä taso aiheuta analogia-digitaalimuuntimen ylikuormitusta uuden kanavan energiatasolla, missä tapauksessa vahvistusta pienennetään kuten edellä kuvattiin. Kun limitin on osoittanut viimeisen suodatinkanavan, normalisoi mikroprosessori kaikkien kanavien energiatasot asettamalla niiden vahvistuskertoimet (jotka on talletettu yhdessä energiatasotiedon kanssa mikroprosessorissa olevaan muistiin) uuteen minimiin, jonka mikroprosessori on muodostanut. Tällä tavalla poimitaan yhteneväiset joukot ominaisuuksia riippumatta alussa olevasta sisääntulosig-naalin vahvistuksesta ja mistä tahansa muutoksista vahvistuksessa mallin muodostamisen aikana.
Puheentunnistimelta vaaditaan myös, että se havaitsee puheen tai sanan alun ja lopun suurella tarkkuudella. Keksinnön mukainen puheentunnistin käyttää seuraavaa tekniikkaa: A. Taustakohinan energiataso mitataan ja talletetaan 32 aikaväliin (10 millisekuntia näytettä kohti), kun samanaikaisesti säädetään (vähennetään) AGC-piirin vahvistuksia, kuten yllä on kuvattu, jotta pystyttäisiin käsittelemään maksimaalista kohi-naenergiaa.
B. Maksimaalinen energianäyte löydetään summaamalla kaikki suo-datinarvot kutakin aikaväliä kohti, jakamalla 16:ta (suodatin-kanavien lukumäärä) ja kertomalla vahvistustekijällä, joka vastaa DAGC-piirin vahvistusta, ja vertaamalla sitten jokaista aikaväliä maksimin löytämiseksi.
C. Kynnys, joka tarvitsee ylittää, ennenkuin puhetta pidetään alkaneena, asetetaan yhtäsuureksi kuin 1.5-kertaa maksimaalinen kohinaenergia, joka määrättiin kohdassa B.
D. Keskiarvoinen kohinaenergia kutakin suodatinkanavaa kohti löydetään ja talletetaan (kullekin kanavalle se on kaikkien 32 aikavälin energioiden summa jaettuna 32:11a) kohinamallin muodostamiseksi .
• · 92113 6 E. Tämän jälkeen suodatinryhmää skannataan joka 10 millisekunt-ti ja tieto talletetaan väliaikaiseen sykliseen muistiin, jossa on 100 aikanäytettä, kunnes keskiarvoinen suodatinenergia ylittää kohina/puhekynnyksen, joka laskettiin kohdassa C.
F. Jos kohina/puhekynnystä ei ylitetä 32 näytteen jälkeen, suoritetaan tarkistus, jotta varmistettaisiin, ettei DAGC-piirin vahvistusta ole asetettu liian matalaksi. Tämä tehdään katsomalla maksimaalista suodatinkanava-arvoa, joka on talletettu mainittuihin 32 aikaväliin. Jos tämä maksimitaso on 1.5dB tai enemmän maksimaalisen hyväksyttävän sisääntulotason alapuolella analogia-digitaalimuuntimelle, lisätään AGC:n vahvistusta arvolla 1, jotta lisättäisiin vahvistusta 1.5dB. Jos kynnystä ei saavuteta 32 näytteen jälkeen ja DAGCrn asetus on oikein, niin kohina/puhekynnys lasketaan uudelleen etsimällä maksimi-energia 32 näytteen yli (kuten kohdassa B), ja kertomalla tämä arvolla 1.5 (kuten kohdassa C).
G. Kun kohina/puhekynnys on ylitetty, skannataan suodatinryhmää joka 10 millisekuntti, ja suodatintieto talletetaan muistiin muodostamaan puhemalleja, kunnes joko 100 näytettä on saatu tai kunnes energiataso putoaa kohina/puhekynnyksen alapuolelle 20 peräkkäiseksi näytteeksi. Kuten edellä on kuvattu, jos tiedon sisääntulon aikaan analogia-digitaalimuunnin on ylikuormitettu, pienennetään AGC:n asetusta tekijällä 1, ja sitä suodatinkana-vaa koskeva tieto käsitellään uudelleen. Jos 16 suodatinkanavan skannauksen aikana DAGC-piirin vahvistusta pienennetään, syötetään tieto kaikilta 16 kanavalta uudelleen sisään siten, että kaikki suodatintieto vastaa samaa AGC-asetusta. Käytetty AGC-arvo talletetaan muistiin yhdessä suodatintiedon kanssa. Jokaisen aikavälin alussa käytetty AGC-asetus otetaan edellisestä aikakehyksestä, joten vahvistusta voidaan pienentää (ei suurentaa) ainoastaan puheen käsittelyn aikana. Tämä ei ole ongelma, koska mallijakson lopussa kaikki mallitieto normalisoidaan yhtenäiseen AGC-asetukseen.
H. Sen varmistamiseksi, että puheen alku ei jää huomaamatta puhe/kohinailmaisimen kynnyksen takia, siirretään puheen • · i • ·' 7 92113 havaitsemista edeltävät 15 aikanäytettä väliaikaisesta syklisestä muistista "puhe"-mallin eteen.
I. Jos yli 100 näytettä käsiteltiin, ennenkuin puhe havaittiin, lasketaan kohinamalli uudelleen analysoimalla (kuten kohdassa D) 32 vanhinta aikakehystä väliaikaisessa syklisessä muistissa. Jos käsiteltiin vähemmän kuin 100 näytettä, ennenkuin puhe havaittiin, käytetään kohdassa D muodostettua kohinamallia seuraavilla askelmilla.
J. AGC:n minimivahvistusasetus puhemallille löydetään sitten ja sekä puhe- että kohinamallit normalisoidaan tälle asetukselle, mistä on seurauksena, että molemmat mallit sisältävät arvot, jotka olisi saatu, jos tätä vahvistusta olisi käytetty alusta lähtien.
K. Normalisoitu kohinamalli vähennetään sitten normalisoidun puhemallin jokaisesta aikakehyksestä.
L. Maksimaalinen energia normalisoidussa puhemallissa löydetään nyt, ja lasketaan uusi kohina/puhekynnys - yhtäsuuri kuin maksimienergia miinus 18dB. Tätä uutta kynnystä käytetään skannaamaan normalisoitua puhemallia, jotta määritettäisiin puheen alku- ja loppukohdat.
M. Puhemalli katkaistaan sitten alku- ja loppupisteistään ja se joko talletetaan muistiin (harjoittelu) tai sitä käytetään tunnistukseen. Seuraava taulukkoesimerkki edustaa talletettuja arvoja sen jälkeen, kun taustakohinaa on mitattu 320 millise-kunttia (32 aikaväliä, kukin 10 millisekuntia).
92113 8
Suodatinryhmä todell. keskim.
DAGC 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 energia 4 210 220 232 245 224 216 167 188 176 234 250 177 134 170 213 209 408 4 210 218 230 250 220 222 170 190 173 230 255 170 137 172 215 212 409 4 210 222 234 247 216 225 171 189 178 233 253 171 140 170 214 208 410 4 213 220 231 251 218 223 166 184 174 230 250 168 133 165 220 216 408 4 215 217 228 253 220 220 160 186 180 231 254 166 132 164 223 220 409 4 210 220 232 245 224 216 172 187 177 235 253 160 130 172 214 207 407 4 210 220 232 245 224 216 167 188 176 234 250 177 134 170 213 209 408 A 4 211 218 230 250 220 222 170 190 173 230 255 170 137 172 215 212 409 I 4 210 222 234 247 216 225 171 189 178 233 253 171 140 170 214 208 410 K 4 213 220 231 251 218 223 166 184 174 230 250 168 133 165 220 216 408 4 215 217 228 253 220 220 160 186 180 231 254 166 132 164 223 220 409 A 4 210 220 232 245 224 216 172 187 177 235 253 160 130 172 214 207 407 v 4 210 220 232 245 224 216 167 188 176 234 250 177 134 170 213 209 408 Ä 4 211 218 230 250 220 222 170 190 173 230 255 170 137 172 215 212 409 L 4 210 222 234 247 216 225 171 189 178 233 253 171 140 170 214 208 410 j 4 213 220 231 251 218 223 166 184 174 230 250 168 133 165 220 216 408 _ 4 215 217 228 253 220 220 160 186 180 231 254 166 132 164 223 220 409 1 4 210 220 232 245 224 216 172 187 177 235 253 160 130 172 214 207 407 4 210 220 232 245 224 216 167 188 176 234 250 177 134 170 213 209 408 4 211 218 230 250 220 222 170 190 173 230 255 170 137 172 215 212 409 4 210 222 234 247 216 225 171 189 178 233 253 171 140 170 214 208 410 4 213 220 231 251 218 223 166 184 174 230 250 168 133 165 220 216 408 4 215 217 228 253 220 220 160 186 180 231 254 166 132 164 223 220 409 4 210 220 232 245 224 216 172 187 177 235 253 160 130 172 214 207 407 4 210 222 234 247 216 225 171 189 178 233 253 171 140 170 214 208 410 4 213 220 231 251 218 223 166 184 174 230 250 168 133 165 220 216 408 ψ 4 215 217 228 253 220 220 160 186 180 231 254 166 132 164 223 220 409 4 210 220 232 245 224 216 172 187 177 235 253 160 130 172 214 207 407 4 210 220 232 245 224 216 167 188 176 234 250 177 134 170 213 209 408 4 211 218 230 250 220 222 170 190 173 230 255 170 137 172 215 212 409 4 213 220 231 251 218 223 166 184 174 230 250 168 133 165 220 216 408 4 215 217 228 253 220 220 160 186 180 231 254 166 132 164 223 220 409
Keskimääräinen kohinamalli: 212 219 231 248 220 220 167 187 176 232 252 169 134 169 217 212 > · >•1 9 92113 DAGCrn arvo 4 vastaa analogia-digitaalimuuntimeen menevän signaalin vaimennusta 6dB, siten "todellisen" energian laskemiseksi täytyy kaikki ylläolevat suodatinryhmän arvot kaksinkertaistaa. Maksimaalinen todellinen energia (keskiarvona kaikkien suodattimien yli) oli 410. Mallin tallettamisen aloittami-seen/lopettamiseen tarvittava kynnys on 615.
Koska keksinnön ensimmäinen sovellutus on äänen tunnistus, on se kuvattu viitaten tähän sovellutukseen. Kuten alan asiantuntijat kuitenkin ovat tietoisia, ei keksinnön ainoa sovellutus ole äänentunnistus, vaan sitä voidaan soveltaa käytännöllisesti katsoen mihin tahansa tilanteeseen, jossa äänisignaaleja käsitellään näytteiden poimintaa varten.
Keksinnön mukainen puheprosessori on erityisen sopiva käytettäväksi sovellutuksissa, joissa taustakohina ja tämän taustakohinan tason muutokset ovat ongelmana tunnetuille puheprosesso-reille. Eräs tällainen sovellutus on hands-free-puhelinliiken-teessä, ja erityisesti kun käytössä on soluradiopäätteitä. Tällaisia päätteitä käytetään useasti autoissa, jossa on edullista käyttää puheentunnistusta hands-free-kutsunkytkennän ja numeronvalinnan muodostamiseksi. Ongelmaksi nousee kuitenkin, että tuuli-, tie- ja moottorimelut aaltoilevat suuressa määrin ja tekevät puheen tarkan tunnistuksen vaikeaksi. On selvää, että jos puheentunnistuksen hands-free-puhelinliiken-teessä täytyy olla täysin hyväksyttävää tässä sovellutuksessa, on tarpeen, että tunnistin hyväksyy ja toimii oikein vastineena puhutuille komennoille taustakohinan aikana ilman, että vaaditaan koko ajan komentojen toistoa.
Keksinnön muodostama parempi tunnistuksen tarkkuus on erityinen etu tässä sovellutuksessa.

Claims (8)

92113
1. Puheprosessori, joka koostuu sisääntulosta, joka vastaanottaa puhesignaalit; signaalin käsittelyelimestä spektriparamet-rien poimimiseksi mainituista puhesignaaleista: analogia-digitaalimuuntimesta mainittujen poimittujen parametrien digitoimiseksi: automaattisesta vahvistuksen ohjauselimestä mainittuun muuntimeen syötetyn signaalitason säätämiseksi; tunnettu siitä, että spektriparametrit talletetaan ainakin tilapäisesti, ja jokaista tällaista talletettua parametria kohti talletetaan myös vahvistuskerroin, joka ilmaisee vahvistuksen ohjauselimen syöttämän vahvistuksen: ja että näytteenottoajän lopussa tässä ajassa talletetut vahvistusker-toimet, jos ne ovat erilaisia, asetetaan yhtäsuureksi kuin tässä ajassa talletettu alhaisin vahvistuskerroin, jolloin vastaavasti talletettujen spektriparametrien suuruuksia säädetään samassa suhteessa.
2. Patenttivaatimuksen 1 mukainen puheprosessori, jossa jokainen poimittu spektriparametri vastaa tietyn taajuuskaistan energiasisältöä t:n pituisessa aikavälissä, tunnettu siitä, että jokaista poimittua parametria kohti analogia-digitaalimuuntimeen syötetty signaalitaso määrätään pienessä ajan t osassa, ja jos signaalitaso on suurempi kuin edeltämäärätty taso, vahvistusta pienennetään ja signaalitaso arvioidaan uudelleen, jolloin signaalitason arviointi ja vahvistuksen pienennys toistetaan aikavälissä t, kunnes signaalitaso on lopullisella tasolla, joka ei ylitä mainittua edeltämäärättyä tasoa.
3. Patenttivaatimuksen 2 mukainen puheprosessori, tunnettu siitä, että mainittu edeltämäärätty taso on yhtäsuuri kuin maksimitaso, joka ei ylitä analogia-digitaalimuuntimen dynaamista aluetta. • « 9211 3
4. Patenttivaatimuksen 2 tai 3 mukainen puheprosessori, jossa t:n pituisessa yksittäisessä aikavälissä muodostetaan spektri-parametrit lukuisille diskreeteille taajuuskaistoille, tunnettu siitä, että eri taajuuskaistoja osoitetaan sekventiaalisesti, jolloin minkä tahansa taajuuskaistan lopullista vahvistuskerrointa käytetään seuraavan osoitetun taajuuskaistan aloitusvahvistuskertoimena.
5. Minkä tahansa patenttivaatimuksen 2-4 mukainen puheprosessori, tunnettu siitä, että näytteenottoaika muodostuu lukuisista t:n pituisista aikaväleistä.
6. Minkä tahansa edelläolevan patenttivaatimuksen mukainen puheprosessori, tunnettu siitä, että se on rakennettu puheentunnistimeksi.
7. Minkä tahansa edelläolevan patenttivaatimuksen mukainen puheprosessori, tunnettu siitä, että vahvistuksen ohjauselin pitää sisällään digitaalisesti kytketyn vaimentimen sellaisen mikroprosessorin ohjauksessa, jonka yksi sisääntuloista on kytketty analogia-digitaalimuuntimen digitoituun ulostuloon, jolloin vaimentimen vahvistus määrätään mikroprosessorilla . 1 • · Soluradiopääte, joka sisältää puheentunnistimen toimintojen valitsemiseksi vastineena puhutuille käskyille, tunnettu siitä, että puheentunnistin sisältää puheprosessorin, joka on minkä tahansa patenttivaatimusten 1 - 5 mukainen. 92113
FI872450A 1986-06-02 1987-06-02 Puheprosessori ja soluradiopääte FI92113C (fi)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
GB8613327 1986-06-02
GB868613327A GB8613327D0 (en) 1986-06-02 1986-06-02 Speech processor

Publications (4)

Publication Number Publication Date
FI872450A0 FI872450A0 (fi) 1987-06-02
FI872450A FI872450A (fi) 1987-12-03
FI92113B true FI92113B (fi) 1994-06-15
FI92113C FI92113C (fi) 1994-09-26

Family

ID=10598774

Family Applications (1)

Application Number Title Priority Date Filing Date
FI872450A FI92113C (fi) 1986-06-02 1987-06-02 Puheprosessori ja soluradiopääte

Country Status (13)

Country Link
US (1) US4912766A (fi)
EP (2) EP0750291B1 (fi)
JP (3) JP2561850B2 (fi)
KR (1) KR950011963B1 (fi)
AT (2) ATE109582T1 (fi)
CA (1) CA1310418C (fi)
DE (2) DE3750314T2 (fi)
DK (1) DK171426B1 (fi)
ES (1) ES2056819T3 (fi)
FI (1) FI92113C (fi)
GB (1) GB8613327D0 (fi)
HK (1) HK137096A (fi)
WO (1) WO1987007750A1 (fi)

Families Citing this family (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK510275A (da) * 1975-11-12 1977-05-13 Struers K S Elektrolytisk polerapparat
JPH02189600A (ja) * 1989-01-19 1990-07-25 Sanyo Electric Co Ltd 音声認識装置
US5333155A (en) * 1991-04-25 1994-07-26 Rohde & Schwarz Gmbh & Co. Kg Method and system for transmitting digital audio signals from recording studios to the various master stations of a broadcasting network
US6134521A (en) * 1994-02-17 2000-10-17 Motorola, Inc. Method and apparatus for mitigating audio degradation in a communication system
NZ316124A (en) * 1995-08-24 2000-02-28 British Telecomm Pattern recognition for speech recognising noise signals signatures
US5774841A (en) * 1995-09-20 1998-06-30 The United States Of America As Represented By The Adminstrator Of The National Aeronautics And Space Administration Real-time reconfigurable adaptive speech recognition command and control apparatus and method
US6012027A (en) * 1997-05-27 2000-01-04 Ameritech Corporation Criteria for usable repetitions of an utterance during speech reference enrollment
US7630895B2 (en) * 2000-01-21 2009-12-08 At&T Intellectual Property I, L.P. Speaker verification method
US6353809B2 (en) * 1997-06-06 2002-03-05 Olympus Optical, Ltd. Speech recognition with text generation from portions of voice data preselected by manual-input commands
US6188986B1 (en) 1998-01-02 2001-02-13 Vos Systems, Inc. Voice activated switch method and apparatus
GB9822529D0 (en) * 1998-10-16 1998-12-09 Dragon Syst Uk Ltd Speech processing
DE19960161C2 (de) * 1998-12-15 2002-03-28 Daimler Chrysler Ag Verfahren zur Detektion von sprachmodulierten Sendungen
FI118359B (fi) * 1999-01-18 2007-10-15 Nokia Corp Menetelmä puheentunnistuksessa ja puheentunnistuslaite ja langaton viestin
US6519559B1 (en) * 1999-07-29 2003-02-11 Intel Corporation Apparatus and method for the enhancement of signals
US6910011B1 (en) 1999-08-16 2005-06-21 Haman Becker Automotive Systems - Wavemakers, Inc. Noisy acoustic signal enhancement
US7117149B1 (en) 1999-08-30 2006-10-03 Harman Becker Automotive Systems-Wavemakers, Inc. Sound source classification
US6594630B1 (en) * 1999-11-19 2003-07-15 Voice Signal Technologies, Inc. Voice-activated control for electrical device
US7155385B2 (en) 2002-05-16 2006-12-26 Comerica Bank, As Administrative Agent Automatic gain control for adjusting gain during non-speech portions
KR100841096B1 (ko) * 2002-10-14 2008-06-25 리얼네트웍스아시아퍼시픽 주식회사 음성 코덱에 대한 디지털 오디오 신호의 전처리 방법
US8271279B2 (en) 2003-02-21 2012-09-18 Qnx Software Systems Limited Signature noise removal
US8073689B2 (en) 2003-02-21 2011-12-06 Qnx Software Systems Co. Repetitive transient noise removal
US7895036B2 (en) 2003-02-21 2011-02-22 Qnx Software Systems Co. System for suppressing wind noise
US7949522B2 (en) 2003-02-21 2011-05-24 Qnx Software Systems Co. System for suppressing rain noise
US7885420B2 (en) 2003-02-21 2011-02-08 Qnx Software Systems Co. Wind noise suppression system
US8326621B2 (en) 2003-02-21 2012-12-04 Qnx Software Systems Limited Repetitive transient noise removal
US7725315B2 (en) 2003-02-21 2010-05-25 Qnx Software Systems (Wavemakers), Inc. Minimization of transient noises in a voice signal
AU2003901539A0 (en) * 2003-03-28 2003-05-01 Cochlear Limited Noise floor estimator
US7716046B2 (en) 2004-10-26 2010-05-11 Qnx Software Systems (Wavemakers), Inc. Advanced periodic signal enhancement
US7680652B2 (en) 2004-10-26 2010-03-16 Qnx Software Systems (Wavemakers), Inc. Periodic signal enhancement system
US8170879B2 (en) 2004-10-26 2012-05-01 Qnx Software Systems Limited Periodic signal enhancement system
US7949520B2 (en) 2004-10-26 2011-05-24 QNX Software Sytems Co. Adaptive filter pitch extraction
US8306821B2 (en) 2004-10-26 2012-11-06 Qnx Software Systems Limited Sub-band periodic signal enhancement system
US8543390B2 (en) 2004-10-26 2013-09-24 Qnx Software Systems Limited Multi-channel periodic signal enhancement system
US8284947B2 (en) 2004-12-01 2012-10-09 Qnx Software Systems Limited Reverberation estimation and suppression system
US20060146652A1 (en) * 2005-01-03 2006-07-06 Sdi Technologies, Inc. Sunset timer
US8027833B2 (en) 2005-05-09 2011-09-27 Qnx Software Systems Co. System for suppressing passing tire hiss
US8170875B2 (en) 2005-06-15 2012-05-01 Qnx Software Systems Limited Speech end-pointer
US8311819B2 (en) 2005-06-15 2012-11-13 Qnx Software Systems Limited System for detecting speech with background voice estimates and noise estimates
US7117075B1 (en) * 2005-08-15 2006-10-03 Report On Board Llc Driver activity and vehicle operation logging and reporting
US7995713B2 (en) * 2006-04-03 2011-08-09 Agere Systems Inc. Voice-identification-based signal processing for multiple-talker applications
US7844453B2 (en) 2006-05-12 2010-11-30 Qnx Software Systems Co. Robust noise estimation
US8326620B2 (en) 2008-04-30 2012-12-04 Qnx Software Systems Limited Robust downlink speech and noise detector
US8335685B2 (en) 2006-12-22 2012-12-18 Qnx Software Systems Limited Ambient noise compensation system robust to high excitation noise
US8850154B2 (en) 2007-09-11 2014-09-30 2236008 Ontario Inc. Processing system having memory partitioning
US8904400B2 (en) 2007-09-11 2014-12-02 2236008 Ontario Inc. Processing system having a partitioning component for resource partitioning
US8694310B2 (en) 2007-09-17 2014-04-08 Qnx Software Systems Limited Remote control server protocol system
US8209514B2 (en) 2008-02-04 2012-06-26 Qnx Software Systems Limited Media processing system having resource partitioning
DE102010041435A1 (de) * 2010-09-27 2012-03-29 Siemens Medical Instruments Pte. Ltd. Verfahren zum Rekonstruieren eines Sprachsignals und Hörvorrichtung
WO2013061252A2 (en) 2011-10-24 2013-05-02 Cochlear Limited Post-filter common-gain determination
JP6127422B2 (ja) 2012-09-25 2017-05-17 セイコーエプソン株式会社 音声認識装置及び方法、並びに、半導体集積回路装置

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3411153A (en) * 1964-10-12 1968-11-12 Philco Ford Corp Plural-signal analog-to-digital conversion system
US4000369A (en) * 1974-12-05 1976-12-28 Rockwell International Corporation Analog signal channel equalization with signal-in-noise embodiment
US4032710A (en) * 1975-03-10 1977-06-28 Threshold Technology, Inc. Word boundary detector for speech recognition equipment
CA1056504A (en) * 1975-04-02 1979-06-12 Visvaldis A. Vitols Keyword detection in continuous speech using continuous asynchronous correlation
US4052568A (en) * 1976-04-23 1977-10-04 Communications Satellite Corporation Digital voice switch
FR2451680A1 (fr) * 1979-03-12 1980-10-10 Soumagne Joel Discriminateur parole/silence pour interpolation de la parole
US4262355A (en) * 1979-05-11 1981-04-14 Rca Corporation System for limiting intermodulation distortion of talkspurt signals
US4292470A (en) * 1979-09-10 1981-09-29 Interstate Electronics Corp. Audio signal recognition computer
JPS56126896A (en) * 1980-03-10 1981-10-05 Nippon Electric Co Voice recognizing system
US4352957A (en) * 1980-03-17 1982-10-05 Storage Technology Corporation Speech detector circuit with associated gain control for a tasi system
JPS56159400U (fi) * 1980-04-24 1981-11-27
JPS57177197A (en) * 1981-04-24 1982-10-30 Hitachi Ltd Pick-up system for sound section
JPS57178299A (en) * 1981-04-27 1982-11-02 Kyosan Electric Mfg Recognition pattern preparation system
US4410763A (en) * 1981-06-09 1983-10-18 Northern Telecom Limited Speech detector
US4489434A (en) * 1981-10-05 1984-12-18 Exxon Corporation Speech recognition method and apparatus
JPS5984300A (ja) * 1982-11-08 1984-05-15 株式会社日立製作所 音声区間検出回路
JPS59111697A (ja) * 1982-12-17 1984-06-27 株式会社日立製作所 音声認識方式
US4627091A (en) * 1983-04-01 1986-12-02 Rca Corporation Low-energy-content voice detection apparatus
JPS6063600A (ja) * 1983-08-26 1985-04-11 日本電気株式会社 可変閾値型音声検出器
US4696040A (en) * 1983-10-13 1987-09-22 Texas Instruments Incorporated Speech analysis/synthesis system with energy normalization and silence suppression
JPS6085628A (ja) * 1983-10-15 1985-05-15 Fujitsu Ten Ltd 通信装置
JPS60254100A (ja) * 1984-05-30 1985-12-14 沖電気工業株式会社 音声認識方式
JPS6195398A (ja) * 1984-10-17 1986-05-14 株式会社東芝 音声認識装置
JPS61113100A (ja) * 1984-11-08 1986-05-30 ヤマハ株式会社 音声パラメ−タ検出装置
US4821325A (en) * 1984-11-08 1989-04-11 American Telephone And Telegraph Company, At&T Bell Laboratories Endpoint detector
FR2576472B1 (fr) * 1985-01-22 1988-02-12 Alcatel Thomson Faisceaux Procede et dispositif de commande automatique de gain d'un recepteur en acces multiple a repartition temporelle
JPH0673079B2 (ja) * 1985-03-29 1994-09-14 沖電気工業株式会社 音声区間検出回路
JPH06105394B2 (ja) * 1986-03-19 1994-12-21 株式会社東芝 音声認識方式

Also Published As

Publication number Publication date
CA1310418C (en) 1992-11-17
DE3752288D1 (de) 1999-09-09
ES2056819T3 (es) 1994-10-16
HK137096A (en) 1996-08-02
JPH0677894A (ja) 1994-03-18
KR950011963B1 (ko) 1995-10-12
JP2654503B2 (ja) 1997-09-17
DE3752288T2 (de) 2000-07-06
DK282587A (da) 1987-12-03
EP0750291B1 (en) 1999-08-04
ATE183009T1 (de) 1999-08-15
ATE109582T1 (de) 1994-08-15
US4912766A (en) 1990-03-27
DE3750314T2 (de) 1994-11-17
FI92113C (fi) 1994-09-26
WO1987007750A1 (en) 1987-12-17
DE3750314D1 (de) 1994-09-08
DK282587D0 (da) 1987-06-02
KR880701435A (ko) 1988-07-27
EP0248609A1 (en) 1987-12-09
DK171426B1 (da) 1996-10-21
EP0248609B1 (en) 1994-08-03
JPS63503487A (ja) 1988-12-15
GB8613327D0 (en) 1986-07-09
EP0750291A1 (en) 1996-12-27
FI872450A (fi) 1987-12-03
FI872450A0 (fi) 1987-06-02
JP2561850B2 (ja) 1996-12-11
JPH09325790A (ja) 1997-12-16

Similar Documents

Publication Publication Date Title
FI92113B (fi) Puheprosessori ja soluradiopääte
US4455676A (en) Speech processing system including an amplitude level control circuit for digital processing
US4531228A (en) Speech recognition system for an automotive vehicle
US4610023A (en) Speech recognition system and method for variable noise environment
EP0077194A1 (en) Speech recognition system
US4597098A (en) Speech recognition system in a variable noise environment
US4833713A (en) Voice recognition system
EP0093303A1 (en) Speech recognition system for an automotive vehicle
US4516215A (en) Recognition of speech or speech-like sounds
EP0411290A2 (en) Method and apparatus for extracting information-bearing portions of a signal for recognizing varying instances of similar patterns
JPS6329754B2 (fi)
US6768801B1 (en) Hearing aid having improved speech intelligibility due to frequency-selective signal processing, and method for operating same
US20040236571A1 (en) Subband method and apparatus for determining speech pauses adapting to background noise variation
JPH027099A (ja) 過大音声検出装置
JPS6334477B2 (fi)
JPH0646359B2 (ja) 単語音声認識装置
WO1991011696A1 (en) Method and apparatus for recognizing command words in noisy environments
JPH09297596A (ja) 音声認識装置
JPH04369697A (ja) 音声認識装置
JPS59185394A (ja) 音声認識装置
JPH06130983A (ja) 音声認識機構の音声区間検出装置
JPH0422999A (ja) 信号処理回路及び音声認識装置
JPH02189600A (ja) 音声認識装置
JPS6255798B2 (fi)
JPH0731506B2 (ja) 音声認識方法

Legal Events

Date Code Title Description
BB Publication of examined application
MM Patent lapsed

Owner name: BRITISH TELECOMMUNICATIONS PUBLIC LIMITED COMPANY